Spezifität
In diesem Beitrag
Was versteht man unter Spezifität?
Die Spezifität ist ein Gütemaß für binäre Klassifikationsverfahren. Sie gibt an, wie gut ein Test oder Modell tatsächlich negative Fälle als negativ erkennt – also wie zuverlässig es gesunde Personen, fehlerfreie Produkte oder nicht vorliegende Ereignisse korrekt als solche klassifiziert.
Formal ist die Spezifität definiert als:
Formel: Spezifität
Dabei steht TN (True Negatives) für die Anzahl der korrekt als negativ erkannten Fälle und FP (False Positives) für die Anzahl der fälschlicherweise als positiv klassifizierten negativen Fälle. Die Summe TN + FP ergibt die Gesamtzahl aller tatsächlich negativen Fälle.
Ein Wert von 1 (bzw. 100 %) bedeutet, dass alle negativen Fälle korrekt erkannt wurden – es gibt keine falschen Alarme. Ein Wert nahe 0 bedeutet, dass der Test kaum zwischen positiven und negativen Fällen unterscheiden kann und sehr viele falsch-positive Ergebnisse produziert.
Warum ist Spezifität für statistische Analysen wichtig?
In vielen Anwendungsgebieten – von der medizinischen Diagnostik über maschinelles Lernen bis hin zur Qualitätskontrolle – reicht es nicht aus, nur zu wissen, wie gut ein Verfahren positive Fälle erkennt. Ebenso entscheidend ist, wie sicher es negative Fälle nicht fälschlicherweise als positiv einstuft.
Die Spezifität wird fast immer gemeinsam mit der Sensitivität (auch: Richtig-Positiv-Rate) betrachtet. Beide Maße stehen häufig in einem Spannungsverhältnis: Erhöht man die Schwelle eines Klassifikators, um mehr negative Fälle korrekt zu erkennen (höhere Spezifität), riskiert man, mehr positive Fälle zu übersehen (niedrigere Sensitivität) – und umgekehrt. Dieses Verhältnis wird durch die ROC-Kurve grafisch dargestellt.
Praxisbeispiel zu Spezifität
Ein Forschungsteam evaluiert einen neuen Schnelltest zur Erkennung einer Infektionskrankheit. In der Studie werden 200 Personen getestet, von denen 80 tatsächlich erkrankt und 120 tatsächlich gesund sind.
| Tatsächlich positiv | Tatsächlich negativ | Gesamt | |
|---|---|---|---|
| Test positiv | 72 (TP) | 18 (FP) | 90 |
| Test negativ | 8 (FN) | 102 (TN) | 110 |
| Gesamt | 80 | 120 | 200 |
Die Spezifität berechnet sich hier wie folgt: Von den 120 gesunden Personen wurden 102 korrekt als negativ erkannt (TN = 102), während 18 fälschlicherweise als positiv eingestuft wurden (FP = 18).
Berechnung im Beispiel
Der Test weist also eine Spezifität von 85 % auf. Das bedeutet: 15 % der gesunden Personen erhalten ein falsch-positives Ergebnis und würden – unnötigerweise – zu weiteren Untersuchungen überwiesen. Ob dieser Wert akzeptabel ist, hängt von den Konsequenzen eines solchen Fehlers ab.
